روش مبتني بر شباهت معنايي در خلاصه‌سازي متون فارسي براساس عبارت پرس‌وجوي كاربر

An Approach Based on Semantic Similarity in Persian Query-Based Summarization

سيستم‌هاي خلاصه‌سازي خودكار متون، يكي از انواع سيستم‌هاي مديريت اطلاعات حجيم هستند. اين مقاله به يكي از انواع خلاصه‌سازي استخراجي به نام خلاصه‌سازي مبتني بر پرس‌وجوي كاربر بر روي زبان فارسي مي‌پردازد كه بسيار براي مرور اطلاعات بر روي موضوعات مشخص توسط فرماندهان مفيد مي‌باشد. مهم‌ترين فاز در اين نوع خلاصه‌سازي، محاسبه شباهت بين عبارت پرس‌وجو و اجزاي متن اصلي است. براي رسيدن به اين مهم، پس از فاز پيش‌پردازش، تبديل عبارت پرس‌وجو به جمله و بهره بردن از ابهام‌زدايي معنايي كلمات، شباهت معنايي بين عبارت پرس‌وجو و جملات متن با استفاده از فارس‌نت محاسبه مي‌شود. سپس، جملاتي كه بيشترين شباهت معنايي را با عبارت پرس‌وجو داشته باشند براي حضور در خلاصه انتخاب مي‌شوند. ارزيابي‌هاي حاصل از رويكرد پيشنهادي مقاله، نشان از مطلوب بودن نسبي الگوريتم موردنظر دارد. با توجه به نوپا بودن زبان فارسي در زمينه پردازش زبان طبيعي، توسعه آنچه در اين مقاله بررسي شده‌است و نظاير آن مي‌تواند كمك شاياني به بهبود نتايج كند.

Automatic text summarization systems are one type of management systems of huge information. This paper discusses one type of Persian text summarization based on a query named "an extractive text summarization" which is very useful for leaders to review information about special topics. The most important phase in this type of summarization is calculation of the similarity between the query phrase and components of the original text. For this purpose, after preprocessing the phase, converting the query to a sentence, and clarifying the word sense, it is possible to calculate the similarity between the query phrase and sentences using Farsnet. Then, those sentences that are the most similar to those in the query are selected to be used in the summary. The results of the proposed method show that this method results in quite acceptable success. Since Persian is very young in processing the original language, this paper and all alike can be a great help to its result improvement.